基于条目特征显式评分的用户画像方法评估
信息检索
2019-08-30 v1
摘要
为提高推荐准确性，当今许多推荐系统使用用户评分矩阵之外的侧信息，如条目内容。这些系统构建用户画像以估计用户对内容（如电影类型、导演或演员）的兴趣，然后整体评估推荐系统的性能，例如通过其向目标用户推荐相关且新颖条目的能力。作为内容驱动推荐系统（RS）关键阶段的用户画像建模阶段，由于缺乏包含用户对条目内容特征偏好的公开数据集，几乎未得到恰当评估。为唤起对此事实的关注，我们研究了显式用户偏好与隐式用户画像之间的差异。我们创建了一个针对电影内容特征的显式偏好数据集并公开发布。随后我们比较了所收集的显式用户特征偏好与通过最先进用户画像模型构建的隐式用户画像。我们的结果显示，在仅考虑电影类型时，显式特征偏好与由所研究最佳画像方法建模的隐式用户画像之间的最大平均成对余弦相似度为 58.07%。对于演员和导演，该最大相似度分别仅为 9.13% 和 17.24%。显式与隐式偏好模型间的低相似性鼓励更深入地研究并改进这一重要的用户画像建模步骤，最终将转化为更好的推荐。
引用
@article{arxiv.1908.11055,
title = {Towards Evaluating User Profiling Methods Based on Explicit Ratings on Item Features},
author = {Luca Luciano Costanzo and Yashar Deldjoo and Maurizio Ferrari Dacrema and Markus Schedl and Paolo Cremonesi},
journal= {arXiv preprint arXiv:1908.11055},
year = {2019}
}